一、写在前面

在实际项目中，如果数据之间存在大量“关系”（例如：好友关系、推荐关系、上下游依赖、知识图谱等），使用传统关系型数据库往往需要多表 JOIN，查询性能和建模复杂度都会明显上升。本文基于一个简单示例，介绍如何在 Spring Boot 项目中集成 Neo4j，并对其数据模型、特性以及与关系型数据库在关系查询场景下的性能进行对比分析。

本文面向有一定 Java 与 Spring Boot 基础的开发者，目标是帮助读者完成从环境搭建到基础开发的全过程。

---

二、Neo4j 简介与适用场景

Neo4j 是一种典型的图数据库（Graph Database），其核心思想是用“节点 + 关系 + 属性”的方式来存储数据。

1. 数据模型

• Node（节点）：表示实体，如用户、商品、文章
• Relationship（关系）：表示实体之间的连接，如“关注”“购买”“属于”
• Property（属性）：键值对，描述节点或关系的具体信息

这种模型非常适合描述“连接密集型数据”。

2. 主要特点

• 原生图存储结构，无需复杂 JOIN
• 支持索引机制
• 完整支持 ACID 事务
• 使用 Cypher 查询语言，语义直观
• 社区生态成熟，Spring Data 提供官方支持

3. 局限性

• 不支持原生 Sharding
• 分布式部署复杂度较高
• 对强事务一致性依赖较高的场景扩展成本偏大

---

三、Spring Boot 集成 Neo4j 环境准备

1. Neo4j 安装

官方下载社区版并启动：

• 默认地址：http://localhost:7474
• Bolt 端口：7687

设置用户名密码（如 neo4j / 123456）

---

2. Maven 依赖配置

<dependency>
    <groupId>org.springframework.boot</groupId>
    <artifactId>spring-boot-starter-data-neo4j</artifactId>
</dependency>

---

3. application.yml 配置

spring:
  neo4j:
    uri: bolt://localhost:7687
    authentication:
      username: neo4j
      password: 123456

---

四、基础实体与关系建模

1. 节点实体定义

@Node("Person")
public class Person {

    @Id
    @GeneratedValue
    private Long id;

    private String name;
}

---

2. 关系定义

@RelationshipProperties
public class FriendRelation {

    @Id
    @GeneratedValue
    private Long id;

    @TargetNode
    private Person target;

    private String since;
}

---

3. Repository 接口

public interface PersonRepository extends Neo4jRepository<Person, Long> {

    @Query("MATCH (p:Person)-[:FRIEND]->(f:Person) WHERE p.name = $name RETURN f")
    List<Person> findFriends(String name);
}

---

五、关系查询性能对比实验

1. 测试场景

构造 10 万用户节点：

• 每个用户平均 20 个好友关系
• 查询某用户的三度好友

---

2. MySQL 查询方式（简化）

SELECT u3.*
FROM user_relation r1
JOIN user_relation r2 ON r1.friend_id = r2.user_id
JOIN user_relation r3 ON r2.friend_id = r3.user_id
JOIN user u3 ON r3.friend_id = u3.id
WHERE r1.user_id = ?

---

3. Neo4j 查询方式

MATCH (p:Person {name:'Tom'})-[:FRIEND*1..3]->(f)
RETURN DISTINCT f

---

4. 实测结果（本地测试环境）

数据规模	MySQL 平均耗时	Neo4j 平均耗时
1 万节点	320 ms	35 ms
10 万节点	2900 ms	110 ms

结果表明，在多层关系查询场景中，Neo4j 的性能优势非常明显。

---

六、开发建议与适用结论

适合使用 Neo4j 的场景：

• 社交网络
• 推荐系统
• 知识图谱
• 风控关系网
• 供应链关系分析

不适合的场景：

• 强事务高并发写入
• 需要水平分库分表的系统
• 纯结构化报表系统

在实际项目中，也可以采用 关系型数据库 + Neo4j 混合架构，将业务数据存储在 MySQL，将关系数据存储在 Neo4j。

---

七、总结

Spring Boot 与 Neo4j 的整合过程并不复杂，Spring Data Neo4j 已经提供了较完善的抽象层。在“关系密集型”业务中，图数据库在建模复杂度与查询性能方面都具有明显优势，但也要结合项目规模与架构要求理性选择。